基于时间序列分析模型的非稳定电力负荷预测方法和系统.pdf
是你****韵呀
亲,该文档总共16页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于时间序列分析模型的非稳定电力负荷预测方法和系统.pdf
本申请提供一种基于时间序列分析模型的非稳定电力负荷预测方法和系统,所述方法包括:用经验小波分解方法将非平稳的原始序列分解为一组平稳的子序列,分解后的所述子序列呈现出从低频到高频的特点,各频段的子序列具有相同的特征,且具有平稳性;将所述子序列的数据重构后按照从低频到高频的顺序依次送入Autoformer模型中进行预测;将各子序列的预测结果进行整合,得到原始序列的最终预测结果。进一步提高电力负荷预测的精准度,从而可以经济合理地安排电网内部发电机组的启停,保持电网运行的安全稳定性。本申请为EWT和Autofor
基于多维时间序列数据进行预测或训练模型的方法和系统.pdf
公开了一种用于基于多维时间序列数据进行预测的方法,包括:监测多维时间序列数据流以获取当前观察点,当前观察点包括多维特征数据;基于当前观察点,应用经训练的神经过程模型进行预测,神经过程模型是使用多个先前观察点训练的,每个先前观察点包括多维特征数据和相应的标签数据,其中神经过程模型包括编码器和解码器,编码器包括互关注模块,互关注模块基于当前观察点的多维特征数据与一个或多个先前观察点的多维特征数据之间的关联向多个先前观察点分配权重,以用于最终生成当前观察点的目标预测。本申请还涉及其它方法、系统、装置和计算机可读
一种基于序列到序列模型的制冷系统负荷预测方法.pdf
本发明公开一种基于序列到序列模型的制冷系统负荷预测方法,将历史数据整理为带有时间戳属性的多维时间序列MTS,以此训练序列到序列的预测模型,然后以给定窗口的时序数据作为输入,利用训练好的预测模型预测出负荷走势,其中,预测模型包括编码器和解码器,编码器采用多层结构,稀疏自注意力模块和蒸馏模块构成的多层结构,其以时序数据嵌入编码形成的向量作为初始层结构的输入,然后前一层结构的输出作为后一层结构的输入,直至输出最终特征图,每层结构的输入均分为两路,第一路依次经过稀疏自注意力模块、蒸馏模块输出特征图Ⅰ,第二路经过下
基于复值树突神经模型的时间序列预测方法和系统.pdf
本发明涉及神经网络技术领域,公开一种基于复值树突神经模型的时间序列预测方法和系统,方法包括获取原始数据进行复值化处理得到训练集,构建复值树突神经模型;使用所述训练集训练所述复值树突神经模型得到训练完成的复值树突神经模型,训练时采用方差缩减的循环结构优化训练过程、采用定量递增的策略改变随机批次数;将待测数据输入训练完成的复值树突神经模型得到预测结果;系统包括数据获取模块、建模模块、训练模块和预测模块。本发明可以加快收敛速度、提高精确性,适用于大型数据集。
基于改进的LSTM模型的电力负荷预测方法.pdf
本发明提供一种基于改进的LSTM模型的电力负荷预测方法,包括以下步骤:获取某一地区的电力负荷数据,并将得到的数据进行预处理和划分;将处理好的数据通过CEEMD进行分解,分解为多个IMF分量;将各个IMF分量应用LSTM进行预测,并利用混沌粒子群算法对LSTM网络的超参数寻找最优解;将各个分量的预测结果叠加重构得到最终预测值。本发明采用的CEEMD分解方法解决了EMD模态混叠问题和EEMD无法很好的恢复原信号问题,引入的混沌粒子群算法解决了传统粒子群算法早熟、易陷入局部最优问题,提高了模型预测的精确度。